考虑预警负荷的电动汽车充放电优化策略

预警负荷会严重影响电力系统的安全经济运行。面向参与车辆到电网(vehicle to grid,V2G)服务的电动汽车用户,综合考虑预警负荷、预警电价和充电激励措施对充放电过程的影响,提出基于改进粒子群算法(improved particle sw arm optimization,IPSO)的电动汽车充放电优化策略。通过计算预警负荷发生时的放电奖励,建立预警负荷电价模型、电池容量损耗模型,基于分时电价和放电激励制度建立用户充放电成本模型。此外,引入长短时记忆的概念,提出改进粒子群优化算法。在上述模型和算法的基础上,以最小化用户成本为优化目标,计及用户充电需求和充放电功率等约束,提出不同预警负荷情况下的充放电优化策略。在MATLAB中完成了仿真验证,结果表明,在已知预测预警负荷的前提下,采用文中的充放电优化策略能够提高电动汽车用户V2G参与度,有效降低用户成本,并缓解预警负荷发生时电网压力。     

采用双层优化模型的电动汽车 有序充放电策略研究

针对大规模电动汽车集中式控制与优化方法的不足,采用V2G(Vehicle to Grid,V2G)双层优化模型。第一层优化模型建立以车主充电成本最小的目标函数,并考虑电池充放电损耗;第二层优化建立以电网日负荷峰谷差最小为目标函数,以第一层计算的优化结果为约束并求解,利用模拟退火算法对模型进行迭代求解。结果表明:与无序充电相比,双层优化协调保证了电网经济运行和用户的充电费用最小,从而实现电动汽车有序充放电控制。     

电动汽车有序充放电控制与利用研究新进展

电动汽车大规模接入电网会增加电网运行的不确定性,电网侧亟需做好相应准备。采用有序充放电控制可以减小电动汽车的时空不确定性给电网带来的影响,缓解电网升级扩容压力,采用V2G技术可以为电网提供辅助服务,丰富电网的运行方式。根据国内外最新研究进展,从充电负荷建模与计算、电动汽车接入对电网产生的影响、电动汽车有序充电控制、电动汽车为电网提供辅助服务4个方面进行评述,并指出未来的研究方向。     

智能电动汽车充放电技术分析与仿真研究

随着智能电网概念的提出,电动汽车不再只是传统的电力消费体。而且可以将多余电能回馈给电网或用户。基于这一思想。提出了一种基于智能电动汽车的双向电力变换器设计,通过一套主电路拓扑结合相应的控制,实现了电动汽车的充电、并网（VehicletoGrid,V2G）以及作为不问断电源供给关键负载（VehicletoHome,V2H）的需要。在控制策略中,用比例谐振（PR）控制器取代传统的PI控制器。实现了交流量瞬态反馈的无静差输出,具有很好的瞬态和稳态性能。最后通过Matlab／Simulink进行了仿真测试,仿真结果表明,提出的设计方案能够很好地实现电动汽车与电网的双向供电,达到了预期效果。     

V2G双向功率变换电动汽车充放电系统及其控制方法

本文针对目前出现的全球能源危机和环境污染问题,利用电动汽车车载电池这一移动储能单元,提出V2G双向功率变换电动汽车充放电系统。该装置充分利用电动汽车车载电池这一有效资源,实现电动汽车有序充电,具备将电能回馈电网的能力。利用PWM高频逆变技术对传统的车载电池进行改进,使其具有更高的变换效率及功率密度,具有体积小,质量轻,显著抑制谐波干扰,借助削峰填谷平滑负荷曲线的优点,有效改善电网运行质量,具有广阔的发展前景。     

智能电网与电动汽车双向互动技术综述

车辆到电网(V2G)技术实现了电网与电动汽车的双向互动,是智能电网技术的重要组成部分。从V2G技术的概念出发,分析了V2G技术的工作原理、充放电业务流程,指出了要发展和推广V2G技术,电动汽车企业和电网企业应在相关标准制定方面加强研究和合作。最后阐述了V2G相关技术国外研究应用现状、V2G技术对电动汽车产业、智能电网的重要意义。     

电动汽车充电调度综述

电动汽车因节能环保的优点得到大力推广,然而由于充电行为的随机性、不确定性,大规模电动汽车无序充电将对电网的安全稳定带来挑战。随着V2G技术的发展,电动汽车作为分布式电源和储能装置成为可能,这使得对电动汽车进行充电调度成为电网中一种新的调控手段,帮助消除电动汽车充电对电网产生的不利影响,同时也是消纳新能源发电的一种有效方式。简述了V2G技术和电动汽车充放电对电网产生的有利与不利影响,介绍了电动汽车充电负荷计算方法和几类充电调度策略。     

考虑插入式电动汽车的电力系统调频控制

插入式电动汽车作为分布式可控负荷接入智能电网并参与电网调频,越来越受到关注。为了实现大规模插入式电动汽车参与电网的调频控制,借助车辆到电网(V2G)技术,实现能量在电动汽车和电网之间的流动。考虑电池的充电/放电特性,构建响应系统频率偏差的插入式电动汽车功率调整模型。在此基础上,进一步提出考虑插入式电动汽车参与调频的电力系统动态模型。最后,SIMULINK仿真结果表明该模型能够很好地响应系统频率偏差,对提高系统频率的稳定性以及实现电网的快速恢复具有重要意义。     

电动汽车充放电与风力/火力发电系统的协同优化运行

提出一种通过控制规模化电动汽车的充放电,使其能够与现有的风力/火力发电系统协同运行的优化调度策略。针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本,实用性不高的缺陷,建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型;提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。应用该算法,求出多目标动态优化模型的帕累托前沿,获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算,结果证明,采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际,在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量,应用价值较高。     

面向电动汽车集群实时充放电优化的分群调度机制

大规模电动汽车无序充电会加剧电网的峰谷差,并影响电能质量和变压器寿命。文章从群体的角度考虑分布式控制框架下电动汽车实时充放电优化的互动调度策略,根据接入电动汽车不同的充电需求,提出以充电结束时刻为分群特征的实时调度方法,并采用双层优化模型求解集群整体和单辆电动汽车的最优充放电功率问题。上层以日负荷波动和调度惩罚最小化为目标,建立考虑电动汽车充放电的大规模集群实时互动调度模型。下层考虑电动汽车车主的充放电成本,求解单辆电动汽车充放电功率的最优跟踪问题。以典型的区域配电网负荷数据为例,通过仿真验证了分布式控制下的实时充电优化策略可以保证电网的可靠运行,同时兼顾各方利益。     

基于随机森林算法的电动汽车充放电容量预测

文中提出一种电动汽车充放电容量的组合预测方法.首先,基于电动汽车历史充电数据和用户参与电动汽车与电网互动(V2G)意愿的调查数据,分析车辆荷电状态(SOC)特性、出行时间特性以及用户对价格的敏感度,建立随机森林分类模型,判断车辆是否参与V2G调度,并对影响用户决策的特征因素进行重要性评估.其次,采用蒙特卡洛方法模拟电动汽车出行和充放电情况,并分别预测充放电容量.最后,以办公区为例进行仿真,对比分析多种充放电模式下的电动汽车充放电行为与负荷分布.所构建的随机森林分类模型的准确率为0.917,能够有效区分V2G计划时段内电动汽车的充放电行为,仿真结果验证了所提预测框架的有效性.     

电动汽车充放电决策模型及电价的影响分析

以电动汽车运营收益最大化为目标,以满足电动汽车动力电池充放电容量及电动汽车行程需求为约束条件,构造了一个电动汽车充放电收益最大化模型,该模型表示电动汽车充放电决策。以2009年美国家庭出行调查为依据,根据用户出行规律,采用蒙特卡洛模拟法模拟用户行程需求,对电动汽车充放电运行的经济效益以及充电负荷分布进行仿真计算和分析。研究结果表明,所提出的模型可以表示电动汽车响应电价的能力,利用该模型还研究了实时电价对含电动汽车接入电网功能的电动汽车充放电电量分布及电动汽车运行成本的影响,揭示了实时电价机制为了更好地促进充放电电量的合理分布需要动态调整的特点,以及电动汽车接入电网功能可以显著减少电动汽车的运行成本,且存在较大的经济空间组织充电运营商的特点。电动汽车电池存储作用值得进一步开发。     

充电站内电动汽车有序充电策略

以充电站运营收益最大化为目标,以配电变压器容量及最大限度满足用户充电需求为约束条件,建立了充电站内电动汽车有序充电的数学模型。根据用户充电规律,采用蒙特卡洛模拟法模拟用户充电需求,对电动汽车在有序充电和无序充电2种情形下充电站运行的经济效益及配电变压器负载情况进行了仿真计算和分析。研究结果表明,通过动态响应电网分时电价,有序充电控制方法可显著提高电动汽车充电站的经济效益,并具备很高的计算效率。同时,由于相对便宜电价的激励,夜间采用有序充电方式也可能使大量的电动汽车集中充电而导致另外一个用电高峰的出现。     

基于双层优化的电动汽车充放电调度策略

大量电动汽车无序充放电会给电力系统的安全与经济运行带来严重的负面影响。为避免这一问题,引入了对电动汽车进行分层分区调度的理念,并构建了基于双层优化的可入网电动汽车充放电调度模型。在上层模型中,通过优化各电动汽车代理商在各时段的调度计划(包括充电负荷和放电出力),使系统在研究时间区间内总负荷水平的方差最小化,从而实现削峰填谷;在下层模型中,通过各电动汽车代理商对其所管辖电动汽车充放电时间的优化管理,以便与上层的调度计划尽可能一致。之后,采用AMPL/IPOPT和AMPL/CPLEX高效商业求解器对上下层问题分别进行迭代求解。最后,以包含5个电动汽车代理商的、修改的IEEE 30节点测试系统为例,说明了所提出的模型与方法的基本特征。     

居民小区电动汽车充电负荷有序控制策略

针对当前居民小区电动汽车充电设施建设中遇到的配电变压器供电容量限制及物业管理方缺乏运营积极性等实际困难,研究了电动汽车充电负荷有序控制策略,主要目标包括预防配电变压器过载和实现充电收益最大化。首先提出了网格选取法,在保证变压器不过载运行的同时,灵活规划电动汽车的充电时段。进而基于峰谷分时电价构建了充电电费支出最小的目标函数,并基于遗传算法设计了求取最优网格选取结果的方法与步骤。最后,采用蒙特卡洛法进行算例仿真和分析验证。结果表明:网格选取法隐含了配电容量限制条件,简化了电动汽车的有序充电规划,更利于采用寻优算法进行求解。所求取的有序充电策略能有效实现负荷移峰填谷、降低电费支出,同时提高运营方的充电收益及参与积极性。     

基于移动社交网络平台的电动汽车充放电行为预测

大量电动汽车的自由充放电会给电力系统的安全与经济运行带来较大影响。另一方面,电动汽车向电力系统反向送电(V2G)技术的发展可支持电动汽车参与电力系统的调频等辅助服务,但采用不同充放电调度策略时,对V2G和电力系统的交互行为的效果会有不同的影响。移动社交网络(MSN)作为车联网的一个有益补充,在电动汽车用户进行充放电决策上具有一定的互动性,进而会影响电动汽车充放电的调度策略。考虑到MSN的影响力,研究了在分时电价约束下的电动汽车充放电行为预测方法,将每辆参与调度的电动汽车看成是MSN平台中的单一个体,受整体影响力的制约,其时空特征类似于交叉粒子群中的基本粒子,在保持电力系统安全运行与电动汽车用户利益最优的目标约束下,结合MSN的影响力因子,建立了电动汽车充放电行为的预测模型。仿真实验结果表明,该方法可以在不同的调度策略下,预测出电动汽车的充放电行为。     

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型“”中午型“”晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。     

电动汽车接入电网的影响与利用

未来电动汽车(plug-in electric vehicle,PEV)的大规模接入,将给电力系统规划和运行带来不可忽视的影响。从电动汽车充电负荷建模与仿真计算、电动汽车接入对电力系统的影响、电动汽车的充放电控制与利用3大方面,讨论电动汽车接入电网的研究现状。指出电动汽车充电负荷分析应考虑的主要因素;总结电动汽车接入对电源发展、电网运行、充电设施与配电网规划方面的影响,并分析电动汽车有序充电及与电网互动(vehicle to grid,V2G)的研究现状和应用难点。最后,对今后的研究方向进行讨论。     

Effects of Smart Charging of Multiple Electric Vehicles in Reducing Power Generation Fuel Cost

The high penetration of variable sources of renewable power generation will lead to operational difficulties in supply/demand balancing in the entire power system. The mass deployment of electric vehicles (EVs) and plug‐in hybrid vehicles (PHEVs) will also cause significant changes in electricity demand. Therefore, controlling and managing the charging time of EVs/PHEVs are effective approaches that are imperative for improving balancing in power system operation. We assumed travel patterns for EVs in a model of the future Tokyo power system and analyzed the power system loads, including the charging load of the EVs, under several charging control scenarios. We verified that charging time controls are substantially effective for reducing the fuel costs in the power system. Further, we found that load leveling under a multicar charging management scenario gave the best results in terms of the fuel costs in all cases.